與服飾、攜帶物無關(guān)的多視角下的步態(tài)識(shí)別.pdf

1、近年來，信息化日程的日益加快使得信息安全和公共安全越來越凸顯出其重要性，尤其對(duì)于部隊(duì)等對(duì)安全要求較高的場(chǎng)合，如何準(zhǔn)確認(rèn)定一個(gè)人的身份、保護(hù)信息安全已經(jīng)成為一個(gè)必須解決的關(guān)鍵性問題。生物特征識(shí)別技術(shù)以簡(jiǎn)潔、快速，對(duì)身份認(rèn)定可靠、準(zhǔn)確，易于與安全、監(jiān)控、管理系統(tǒng)整合等諸多優(yōu)勢(shì)越來越受到人們的青睞。步態(tài)識(shí)別就是在這種大背景下引起了人們的關(guān)注。
　　與傳統(tǒng)生物特征識(shí)別相比，步態(tài)識(shí)別具有以下三個(gè)優(yōu)勢(shì)：一是隱蔽性，無需被識(shí)別人的配合，可不經(jīng)發(fā)

2、覺完成采集；二是遠(yuǎn)距離性，無需近距離接觸即可獲取并識(shí)別；三是真實(shí)性，步態(tài)難以掩飾。目前，大多數(shù)步態(tài)識(shí)別算法都是基于正面視角或側(cè)面視角且運(yùn)動(dòng)人體不被服飾、攜帶物等遮擋的情況下進(jìn)行識(shí)別的。視角、服飾、攜帶物等影響因素使步態(tài)識(shí)別的實(shí)用性受到了限制。本文結(jié)合武警部隊(duì)處突反恐、執(zhí)勤警衛(wèi)、協(xié)助公安機(jī)關(guān)抓捕犯罪嫌疑人等工作實(shí)際需求，旨在尋找一種不受視角、服飾、攜帶物影響的魯棒性步態(tài)識(shí)別算法，使步態(tài)識(shí)別能夠應(yīng)用于武警部隊(duì)的日常工作。本文所做的主要工作和

3、取得的成果有：
　?。ㄒ唬┎綉B(tài)預(yù)處理部分。本文步態(tài)預(yù)處理部分主要針對(duì)步態(tài)檢測(cè)、圖像歸一化和步態(tài)周期的確定進(jìn)行研究。重點(diǎn)針對(duì)用于步態(tài)檢測(cè)的背景減除法進(jìn)行創(chuàng)新，針對(duì)傳統(tǒng)背景減除法得到的運(yùn)動(dòng)人體二值圖像容易出現(xiàn)大面積空洞和陰影的問題，提出了一種改進(jìn)的基于圖像分割的背景減除法。通過對(duì)運(yùn)動(dòng)人體灰度圖像進(jìn)行分割，對(duì)不同部分分別設(shè)定閾值二值化后再拼接為完整圖像的方法獲得運(yùn)動(dòng)人體二值圖像。與傳統(tǒng)背景減除法相比，基于圖像分割的背景減除法提取到的運(yùn)動(dòng)

4、人體二值圖像更精確。
　?。ǘ┎綉B(tài)特征提取部分。重點(diǎn)針對(duì)傳統(tǒng)步態(tài)特征提取算法對(duì)視角和服飾、攜帶物魯棒性差的問題進(jìn)行創(chuàng)新，提出了基于運(yùn)動(dòng)人體重心軌跡的步態(tài)特征提取算法和基于泊松方程的步態(tài)特征提取算法。基于運(yùn)動(dòng)人體重心軌跡的步態(tài)特征提取算法計(jì)算一個(gè)步態(tài)周期內(nèi)的運(yùn)動(dòng)人體重心，得到重心軌跡，通過對(duì)重心軌跡進(jìn)行FFT變換消除服飾、攜帶物的影響，提取傅立葉系數(shù)作為重心軌跡特征?；诓此煞匠痰牟綉B(tài)特征提取算法提出了一種基于泊松方程的步態(tài)特征圖

5、GF，在任意視角下均可對(duì)難以被服飾、攜帶物影響的運(yùn)動(dòng)人體凸出部位（如頭部、小腿、腳部等）進(jìn)行有效提取，利用Gabor小波和2D-PCA對(duì)步態(tài)特征圖進(jìn)行特征描述并降維，得到GF特征。實(shí)驗(yàn)結(jié)果表明，兩種算法均可在多視角下有效消除服飾和攜帶物的影響。
　?。ㄈ┎綉B(tài)識(shí)別部分。為利用特征融合進(jìn)一步增強(qiáng)本文算法在多視角下對(duì)服飾、攜帶物的魯棒性，提高識(shí)別率，分別對(duì)重心軌跡特征和GF特征進(jìn)行特征層融合和匹配層加權(quán)加法融合。重點(diǎn)針對(duì)特征層融合進(jìn)行